เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การใช้ DataLoader

คลาส DataLoader มีความสำคัญอย่างมากในการจัดการชุดข้อมูลขนาดใหญ่อย่างมีประสิทธิภาพ ช่วยเร่งความเร็วในการฝึกโมเดล ลดการใช้หน่วยความจำ และทำให้การอัปเดต gradient มีความเสถียร ส่งผลให้โมเดล deep learning ทำงานได้ดียิ่งขึ้น

ในแบบฝึกหัดนี้ จะได้สร้าง DataLoader ใน PyTorch โดยใช้ dataset จากแบบฝึกหัดก่อนหน้า แล้วดูว่ามันทำงานอย่างไร

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning เบื้องต้นด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้าโมดูลที่จำเป็น
  • สร้าง DataLoader โดยใช้ dataset กำหนด batch size เป็น 2 และเปิดใช้งานการสุ่มข้อมูล
  • วนซ้ำผ่าน DataLoader และพิมพ์แต่ละ batch ของ input และ label

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from torch.utils.data import ____

# Create a DataLoader
dataloader = ____

# Iterate over the dataloader
for batch_inputs, batch_labels in dataloader:
    print('batch_inputs:', batch_inputs)
    print('batch_labels:', batch_labels)
แก้ไขและรันโค้ด